基于自适应辛几何模态分解-多元线性回归-卷积长短时记忆的台区电力负荷预测

摘要

准确预测台区的电力负荷，能够促使电力企业合理安排调度计划，保障台区电力安全和经济稳定运行。为了充分挖掘电力负荷数据的特征，提高预测的精度，提出一种基于自适应辛几何模态分解（adaptive symplectic geometry mode decomposition, ASGMD）、多元线性回归（multiple linear regression, MLR）和卷积长短时记忆（convolutional long short-term memory, CLSTM）网络的电力负荷预测方法。首先，应用ASGMD将台区负荷数据分解为弱相关和强相关两种分量；然后，利用MLR和CLSTM分别对上述两种分量分别进行预测；最后，组合各模型结果，得到最终负荷预测值。实例分析结果表明，所提模型较其他模型具有更高的预测准确度。

关键词

电力负荷预测 / 自适应辛几何模态分解 / 多元线性回归 / 卷积长短时记忆网络